Erkennung der Absichten ungeschützter Verkehrsteilnehmer mit Methoden der Kollektiven Intelligenz als Grundlage für das automatisierte Fahren

• Antragsteller: Professor Dr.-Ing. Konrad Doll; Dr. Erich Fuchs; Professor Dr. Bernhard Sick
• Fachliche Zuordnung: Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2015 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 272967281

Der vorliegende Folgeantrag des Projekts DeCoInt2 behandelt die Erkennung von ungeschützten Verkehrsteilnehmern (UVT) beim automatisierten Fahren mit Hilfe kooperativer Technologien. Besonders im städtischen Umfeld werden UVT wie Fußgänger und Fahrradfahrer nach wie vor eine wichtige Rolle im künftigen Mischverkehr einnehmen. Für einen unfallfreien Verkehr mit automatisierten Fahrzeugen ist es nicht nur wichtig, UVT wahrzunehmen, sondern auch deren Absichten zu erkennen. Die Intentionserkennung besteht aus einer Vorhersage von Bewegungsprimitiven, z. B. Stehen, Starten, Abbiegen, und einer Vorhersage der zukünftigen Trajektorie. Wir wollen einen weiteren Beitrag zu unserer Vorstellung des künftigen Verkehrs leisten, indem das kollektive Wissen von intelligenten Fahrzeugen, sensorgestützter Infrastruktur und Smart Device tragender UVT genutzt wird, um potentiell gefährliche Situationen, die die UVT betreffen, zu erkennen, bevor diese Situationen entstehen. Intelligente Fahrzeuge sind etwa mit Kameras und Kommunikationsfähigkeiten ausgestattet. In der ersten Phase war unser Beitrag zu dieser Vision die kooperative UVT-Intentionserkennung, einschließlich der kooperativen Wahrnehmung, der Erkennung von Bewegungsprimitiven und der Vorhersage von Trajektorien. Es ist uns gelungen, ein robustes Tracking von UVT zu realisieren, das Verdeckungen mittels mehrerer Verkehrsteilnehmer einschließlich Smart Devices auf kooperative Weise auflöst. Mit unserem kooperativen Ansatz haben wir eine schnelle und robuste Erkennung von Bewegungsprimitiven auch bei schlechten Umgebungsbedingungen erreicht, die wiederum eine genaue Vorhersage der UVT-Trajektorie ermöglicht. In der zweiten Phase des Projekts DeCoInt2 werden wir die folgenden drei neuen Aspekte berücksichtigen: Identifikation und Integration von Kontextinformationen, probabilistische Vorhersage von UVT-Trajektorien, sowie Situationsanalyse und -vorhersage. Darüber hinaus werden wir unsere Arbeit in den Bereichen kooperatives Tracking, Vorhersage von Bewegungsprimitiven und Integration der Smart Devices ausbauen. Unser Ziel ist es, Kontextinformationen (z. B. geometrischer Art wie bspw. den Verlauf eines Fahrradweges oder Verkehrsregeln) zu integrieren, um den Prozess der Intentionserkennung zu verbessern und genauere Vorhersagen zu ermöglichen. Die Ergebnisse der kooperativen Intentionserkennung, insbesondere probabilistische Trajektorienvorhersagen in Form von Wahrscheinlichkeitsverteilungen, dienen der Situationsanalyse und -vorhersage und damit auch der Trajektorienplanung als Grundlage. Wir werden unseren kooperativen Ansatz in ausgewählten Beispielszenarien evaluieren, die online in einer realen Verkehrsumgebung durchgeführt werden.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1835: Kooperativ interagierende Automobile